현대사회는 인터넷과 스마트 기기의 발달로 모든 세대에게 게임을 포함한 디지털 미디어 이용이 보 편화 되었다. 인터넷은 시간과 공간을 초월하고 세대를 넘어서 인간과 정보를 연결한다. 스마트폰의 보급으로 누구나 인터넷에 쉽게 접근하게 되어 미디어 이용이 더욱 증가하고 있다. 스마트폰은 접 근성이 좋고 시간과 장소에 구애 없이 사용할 수 있어서 게임을 포함한 미디어중독에 노출될 수 있 다. 수많은 스마트폰 어플리케이션은 인터넷 세계로 이끄는 요인이 된다. 아버지의 일-가정 양립은 양육스트레스를 증가시키고, 양육스트레스는 게임을 포함한 인터넷과 스마트폰 중독을 예측하는 중 요한 요인이다. 부모의 미디어중독이 자녀의 인터넷 게임중독에 영향을 미치는 측면이 있으므로 아 버지의 미디어중독에 대하여 살펴볼 필요가 있다. 본 연구는 아버지의 양육스트레스와 미디어중독 의 관계에서 부부갈등의 매개효과를 살펴보는 데 목적이 있다. 이를 위해 한국육아정책연구소에서 제공하는 한국아동패널 13차 조사자료를 사용하였다. 자료는 SPSS 27.0 프로그램과 Process macro 4.1 을 사용하여 분석하였다.
최근 기술이 발전함에 따라 다양한VR (Virtual Reality) 및AR (Augmented Reality) 장치들이 등장하고 있다. 이 러한 장치들의 대부분의 콘텐츠는 사용자 상호작용을 위해 컨트롤러에 의존하고 있으나 컨트롤러는 휴대하 기 어렵고 분실하기 쉽다는 단점이 있다. 또한, 컨트롤러를 통한 사용자 인터페이스는 장치에 익숙하지 않은 사용자들이 불편함을 느낄 수 있고 새로 인터페이스를 배워야 하는 한계가 있다. 이러한 문제를 해결하기 위 해Oculus Quest는 핸드 트래킹 기술을 도입하여 사용자가 자연스러운 손 제스처를 인터페이스로 사용할 수 있게 하였다. 그러나 핸드 트래킹을 활용하는 방법은 그 어려움 때문에 아직 널리 연구되지 않았고 아직 활 용되지 못하고 있다. 이에 VR 콘텐츠와 상호작용하는 데 손을 사용하는 방법을 탐구하고, 그것을 이용하여 콘텐츠를 만드는 방법을 설명한다
기존의 스타크래프트II 내장AI는 미리 정의한 행동 패턴을 따르기 때문에 사용자가 전략을 쉽게 파악할 수 있어 사용자의 흥미를 오랫동안 유지시키기 힘들다. 이를 해결하기 위해, 많은 강화학습 기반의 스타크래프 트II AI 연구가 진행되었다. 그러나 기존의 강화학습AI는 승률에만 중점을 두고 에이전트를 학습시킴으로써 소수의 유닛을 사용하거나 정형화 된 전략만을 사용하여 여전히 사용자들이 게임의 재미를 느끼기에 한계가 존재한다. 본 논문에서는 게임의 재미를 향상시키기 위하여, 강화학습을 활용하여 실제 플레이어와 유사한 AI을 제안한다. 에이전트에게 스타크래프트II의 상성표를 학습시키고, 정찰한 정보로 보상을 부여해 유동적 으로 전략을 변경하도록 한다. 실험 결과, 사용자가 느끼는 재미와 난이도, 유사도 부분에서 고정된 전략을 사용하는 에이전트보다 본 논문에서 제안하는 에이전트가 더 높은 평가를 받았다..
본 논문에서는 몬스터에게 붙잡히지 않고 키를 찾아서 연구소를 탈출하는 공포 방탈출 게임을 제안한다. 제 안하는 게임을 진행한30명의 게임 플레이 로그 데이터 분석 결과와 설문조사 결과를 바탕으로, 제안하는 게 임의 특징을 분석한 결과는 다음과 같다. 첫째, 제안하는 게임은 다양한 아이템, 액션, 탈출 경로를 제공한다. 제안하는 게임이 숨을 곳도 많고 다양한 상호작용을 제공한다고 설문에서4점 이상 주었다. 또한, map의 footprint를 분석한 결과, 플레이어는 다양한 경로를 통해 키를 찾아서 탈출하였다. 둘째, 제안하는 게임은 외 관으로 기능을 추론할 수 있는 직관적인 오브젝트를 제공한다. 따라서, 플레이어는 시각적 공간 및 게임 아 이템 용도를 쉽게 파악하여 조작할 수 있다. 설문조사 결과에서, 플레이어는 조작감 관련 항목의 점수를4점 이상을 주었다. 셋째, 제안하는 게임에서 플레이어는 아이템이 충분할 때보다는 부족할 때 더 몰입을 잘 한 다. 게임 플레이 로그 데이터 분석 결과와 설문조사 결과에 따르면, 플레이어는 아이템이 부족할 때 더 크게 공포를 느끼고 상황에 몰입하여, 더 적극적으로 행동하게 되고 더 민감하게 반응한다.
본 연구에서는 디지털 게임 내 성폭력 피해 경험과 가해 경험의 내용과 특성에 대해 탐색하고자 하였다. 성폭 력 피해/가해 경험의 구체적인 내용과 정도, 성폭력 경험으로 인한 정서적 영향, 성폭력 피해시의 대처양식 등 을 조사할 수 있는 질문지를 개발하여 20세 이상의 게임 사용자들을 대상으로 온라인 설문을 실시하였고, 총 267명의 자료가 분석되었다. 그 결과, 연구참여자의 99.3%가 1회 이상 성폭력 피해를 경험하였고, 성폭력 가해 도 연구참여자의 62.5%가 경험한 것으로 나타났다. 또한 성폭력 피해와 가해 모두에서 간접적 성희롱이 가장 높은 수준으로 경험되고 있었다. 피해 경험으로 인한 정서적 영향에 있어, 지속적인 성폭력 피해가 있는 경우, 피해자들은 분노/짜증, 우울/불안, 적대감/스트레스를 유의미하게 높게 경험하였다. 피해 경험 시 대처전략은 ‘게임 내 신고시스템에 신고’가 가장 높게 나타났고, 다음으로 부정과 회피가 뒤따랐다. 가해 경험으로 인한 정서적 영향의 경우, 가해 상위 10% 집단이 하위집단에 비해 가해 행동을 통해 스릴/흥분과 같은 심리적 자극 을 경험하는 동시에 죄책감 등의 부정적 정서도 높게 경험하는 것으로 나타났다. 성폭력 피해/가해 경험의 정 도를 기준으로 집단 간 차이를 비교한 결과, 게임 이용 행동에 있어 집단 간 차이가 있는 것으로 확인되었다. 본 연구는 특정 게임이 아닌 다양한 장르와 특성의 게임들에서 발생하는 성폭력의 내용과 정도 등의 구체적 인 실태를 파악했다는데 의의가 있다. 또한 해외 연구에서 사용된 연구 틀을 그대로 적용하지 않고, 우리나라 게임 사용자들의 디지털 게임 내 성폭력 경험에 대해 실제적으로 접근하였다는데 의의가 있다.
본 연구는 환경교육용 보드게임 개발에 관한 연구다. 이를 위해 문헌 고찰과 전문가 인터뷰를 실시하여 핵심 메커니즘과 용어를 도출하였다. 또한, 타당도와 신뢰도 검증을 위하여 델파이 조사를 진행하였다. 연구 결과 9개 항목에 대하여 합의가 이뤄졌으며, 이를 기반으로 ‘수풀로 메이커’ 프로토타입을 제작하고 플레이테스트 를 진행하였다. 그 결과, 환경에 대한 관심, 생태복원의 개념, 탄소 중립에 대한 이해를 보여, 연구의 초기 목 적을 달성한 것으로 나타났다. 본 연구로 인해 개발된‘수풀로 메이커’는 아동과 청소년의 환경교육 교재의 역할 뿐만 아니라, 환경에 대한 깊이 있는 이해를 견인하고, 더 나아가 실천양식 변화의 잠재성을 키우는 역 할에 기여할 수 있을 것으로 기대한다.
본 연구는 테이블 탑 보드게임 개발 방법론인 CDR 모델을 제안하여 보드게임 개발과정에서의 어려움을 일 부 해소하고 나아가 디자이너가 개발 경험을 지속할 수 있는 토대를 마련하는 것이 목적이다. 이를 위해 보 드게임 개발 방법론인 CDR 모델을 설계하고 보드게임 개발 경험이 있는 전문가 패널 15명을 대상으로 인터 뷰를 진행하였다. 연구 결과 CDR 모델이 기존의 개발 방법론보다 체계적인 개발이 가능하도록 설계되어 개 발 시 단계별 작업 내용을 확인하고, 오류를 줄이면서 누락내용 없이 개발이 가능한 것으로 나타났다. 본 연 구에 의한 CDR 모델을 통해 보드게임을 만들고자 하는 디자이너는 보드게임을 디자인하는 데 있어서 가장 중요한 게임요소와 그것을 어떻게 부각할지에 대한 고민을 해결하고 개발을 지속할 수 있는 토대를 마련하 는 데 도움이 될 것으로 기대한다.
본 사례 연구는 실시간 음성인식을 결합한 설치 작품의 기술, 언어학과 인터랙티브 아트의 융합을 탐구하는 것을 목표로 한다. 따라서 음성인식 기술이 언어라는 축을 통해 ‘Spect’actor’에게 어떻게 전달할 수 있는지에 대한 예술적 관점과 심도 깊은 이해를 도모하고자 한다. 본 연구는 음성인식 기술을 통한 미디어아트 해석 의 가능성을 전반으로 확대하고, 특히 인터랙티브 미디어아트 분야에서 회화적 자동 음성인식을 통한 미디어 아트 해석의 가능성을 넓히고자 합니다.
본 연구는 좌우뇌 활용 능력 향상을 위한 한자 교육 콘텐츠 개발의 후속 연구로, 개발한 콘텐츠에 대한 전문 가 평가로 마무리된 연구에 이어서 사용자 관점에서 문제점을 발견하고 이를 보완함으로써 교육 콘텐츠로서 의 학습 가이드라인을 제시하는 것을 목적으로 한다. 1차 사용자 평가는 사용자 관찰법을 통해 진행하여 발견된 문제에 대하여 보완하고, 2차 사용자 평가에서는 참여자에 대한 뇌성향 검사를 진행하고, 인지면접법을 통해 사용자 평가를 진행하였다. 본 연구에서는 다음과 같은 결론을 제시할 수 있다. 첫째, 좌뇌 성향과 우뇌 성향 사용자에 대하여 교육접근 의 방법에 있어서 일부는 달리 접근해야 할 수 있음을 인지하여야 한다. 둘째, 시각적 접근을 하는 문항에서 는 하나의 답만 맞도록 설계하여야 한다. 셋째, 언어적 접근을 하는 문항에서는 대조로 인한 차이가 명확하 게 나타나도록 답지로 제시하고, 기준이 되는 한자와 다른 점 하나를 답으로 찾아보는 형태로 접근한다. 넷 째, 콘텐츠에서 학습대상으로 활용될 한자는 회의자 중에서 대상을 택하는 것이 적절하다. 다섯째, 우뇌 성향 의 사용자는 시각적으로 강제 결합한 이미지 안에서 의미를 파악하는 유형을 가장 선호하였고, 좌뇌 성향 사 용자는 요소를 조합하여 의미를 파악하는 유형을 가장 선호하였다.
최근 다양한 생성형 인공지능 프로그램 기술이 발전하며, 대중적으로 상용화되면서 생성형 인공지능을 활용 한 미디어아트의 창작사례가 늘어나고 있다. 사진의 등장이 기존의 회화 작품을 대체하지 않고 새로운 예술 형태로 존재한 것과 같이 생성형 인공지능 기술을 활용한 미디어아트 예술 표현 또한 새로운 방식과 형태로 존재할 수 있다. 논문에서 열거한 생성형 인공지능 프로그램을 활용하여 창작된 사례들과 같이 하나의 작품 으로 증명이 되고 있다. 이에 본 논문에서는 인공지능의 의미와 역사적으로 형성된 생성형 인공지능을 활용 한 작품 사례들을 살펴보고, 다양한 형태로 존재하고 있는 생성형 인공지능 프로그램을 기반으로 형성된 미 디어아트 작품을 분석해보고자 한다. 이를 통하여 방대한 빅데이터를 기반으로 존재하고 있는 생성형 인공지 능의 기술을 자유롭게 창작자가 예술작품으로 사용하며 다채로운 형태로 전시된 미디어아트의 제작과 방법 론에 보탬이 되고자 한다.
현대 사회에서 첨단 기술의 발전은 예술의 양상을 빠르게 변화시키고 있다. 생성형 인공지능 기술의 발전은 인류의 전유물이라 여겨왔던 창작 행위에 기존에는 보지 못했던 색다른 표현을 제공했다. 또한, 전통적 기법 을 고수하던 예술인들에게 새로운 예술 창작의 발현 방식을 제시하였다. 하지만 나날이 발전하는 인공지능 기술에 비해, 이를 활용한 구체적인 미디어아트 제작 과정 연구는 아직 국내에서는 미비하다. 본 논문은 인 공지능 기술을 활용한 미디어아트 해외 사례를 탐구한다. 그리고 Text-to-Image 인공지능 생성 모델과 게임 엔진 Unreal Engine 5를 이용하여, 국내에 자리 잡지 않은 생성형 인공지능을 활용한 작품 제작 방법론과 창 작자들에게 인공지능 이미지 생성 모델의 확장성을 제시한다.
본 연구에서는Stable Diffusion 프레임워크를 활용하여 게임 스타일의 스케치, 특히 도시 장면을 생성하는 방법 을 소개한다. 확산 기반의 모델인Stable Diffusion은 쉬운 접근성과 뛰어난 성능으로 많은 연구자와 일반인들에 게 선호되며, 텍스트-스케치, 이미지-스케치의 생성이 가능하다. Stable Diffusion의 몇 가지 문제는 이미지의 국 소성 보존 문제 및 미세 조정인데, 이를ControlNet과DreamBooth를 사용하여 해결한다. 결과적으로, 본 연구를 통 해 게임 제작에 사용될 수 있는 텍스트-스케치, 이미지-스케치 생성이 가능하며, 더 나아가 아티스트를 돕는 툴 로도 활용될 수 있다.
가상의 공간에서 함께 즐기는 콘텐츠에 대해 관심이 늘어나고 있다. 더불어 가상공간에서 나만의 아바타도 꾸미고 게임 콘텐츠 역시 즐기고 있다. 이러한 가상의 공간을 메타버스라고 하며 대표적인 플랫폼으로는 제 페토와 로블록스가 있다. 메타버스 플랫폼은 플랫폼의 취지에 맞게 유저가 직접 제작하기 편리한 컨텐츠 제 작 도구를 지원한다. 그러나 일반 유저가 제작한 콘텐츠는 메타버스에서 활동하고 있는 다양한 유저의 관심 과 흥미를 지속적으로 유발하기에는 부족한 부분이 있어 꾸준한 흥행이 어렵다. 본 논문은 기존 게임 엔진을 활용해서 콘텐츠를 제작하는 콘텐츠 개발자로서 메타버스 플랫폼이 제공하는 제작 도구의 효용성을 검증하 고자 게임 엔진의 선택 기준을 참고하여 인터페이스, 개발 언어, 개발 공정의 기준으로 대표하는 플랫폼의 제작 도구를 비교하였다.
메타버스는 탐험, 사회적 상호 작용, 창의적 표현이 가능한 오픈 월드를 특성으로 하며, 대표적인 메타버스 플랫폼인 로블록스는 십대에게 다양한 게임을 제공하고 있다. 십대 청소년은 엔터테인먼트뿐만 아니라 커뮤 니케이션, 가상 구매, 일탈을 위해 게임에 참여한다. 이에 따라 십대 유저와 아바타 간의 관계를 연구는 계속 되었다. 본 연구는 러시아 십대 유저를 대상으로 로블록스 플레이어의 게임 동기와 아바타의 동기화 사이의 연관성을 조사한다. 본 논문을 위해 러시아 십대 청소년 133명을 대상으로 게임 동기와 아바타 동기화 부문 에 대한 20개의 문항으로 구성된 온라인 설문조사를 실시했다. 그 결과 게임 동기와 아바타 동기화 사이에 상관관계가 나타났다. 일례로 일탈을 위해 로블록스를 하는 유저는 아바타를 자신(아바타-나)과 같다고 인식 하는 것으로 나타났으며, 사회적 동기를 갖고 로블록스를 즐기는 유저는 아바타를 하나의 도구로 인식하는 것으로 나타났다. 아바타를 '나'로 인식하는 것은 모든 게임 동기와 상관관계가 있는 것으로 나타났다. 또한 본 논문의 연구 결과는 아바타의 외형이 아바타 동기화와 높은 관련이 있다는 것을 보여주었다. 유저가 아바 타를 어떻게 인식하는 지를 이해하는 것은 메타버스 내에서 보다 안전하고 사용자 친화적인 온라인 환경을 조성하고 더 많은 플레이어를 끌어들이는 데 있어서 매우 중요한 요소임을 확인하였다.
이 연구는 생성형 AI(Generative AI) 기술을 활용하여 기본 시각디자인 분야에서의 새로운 접근 방법과 가능 성을 탐색한다. Generative AI는 데이터 기반 학습을 통해 창의적인 디자인을 생성하는 인공지능 기술로, 시 각디자인에서 중요한 역할을 하고 있다. 본 연구는 Generative AI가 시각디자인의 기본 요소와 원리에 어떻게 적용되며, 디자인 프로세스를 어떻게 혁신할 수 있는지를 분석한다. 먼저, Generative AI가 색채, 형태, 구성과 같은 디자인의 기본 요소를 어떻게 해석하고 재창조하는지에 대해 연구한다. 이를 통해 AI가 디자인의 창의 성과 예술성을 어떻게 향상시킬 수 있는지를 탐구한다. 또한, AI가 디자인 결정 과정에서 어떻게 인간 디자 이너를 보조할 수 있는지에 대해서도 연구한다. 이 연구는 Generative AI를 실험하고, 이를 통해 얻은 시각디 자인 결과를 통해, AI가 시각디자인의 전통적인 접근 방식에 어떤 새로운 시각과 해석을 제공하는지를 조사 한다. AI 기술의 발전이 디자인의 미래와 디자이너의 역할에 어떤 변화를 가져올지에 대한 통찰과 디자인 분 야의 전문가뿐만 아니라, AI 기술에 관심 있는 학자들에게도 중요한 시사점을 제공한다는 점에서 의의를 찾 을 수 있다.
본 연구는 네트워크 이상 감지 및 예측을 위해 벡터 자기회귀(VAR) 모델의 사용을 비교 분석한다. VAR 모 델에 대한 간략한 개요를 제공하고 네트워크 이상 체크로 사용 가능한 두 가지 버전을 검토하며 두 종류의 VAR 모델을 통한 경험적인 평가를 제시한다. VAR-Filtered moving-common-AR 모델이 단일 노드 이상 감지 성능에서 우수하며, VAR-Adaptive Learning 버전은 몇 개의 노드 간 이상을 효과적으로 식별하는 데 특히 효 과적이며 두 가지 주요VAR 모델의 전반적인 성능 차이에 대한 근본적인 이유도 분석한다. 각 기술의 장단점 을 개요로 제공하고 성능 향상을 위한 제안도 제시하고자 한다.
디지털 기술은 단순한 정보 전달 수단을 넘어서, 서사를 생성하고 소비하는 방식을 재정의하는 새로운 형태 의 패러다임이다. 디지털 기술의 발전과 함께, 디지털 매체는 강력한 스토리텔링 도구로서 현대 교육 분야에 자리 잡고 있으며, 이는 전통적인 교육 방식과 비교했을 때 학습자의 상호작용이 강조된다는 차이가 있다. 본 연구는 이러한 디지털 스토리텔링 환경에서 시·청각이 결합된 정보를 학습자에게 제공하고, 스토리텔링 과정에 선택지를 제공함으로써 상호작용성과 게임 요소를 더해 학습자 스스로 스토리텔링을 통해 학습하는 방법을 제안하였다. 그리고 연구의 타당성 검증을 위해 전문가 인터뷰를 실시하였다. 전문가 검증결과, 학습 자 스스로 스토리텔링을 통해 학습하는 과정은 이해도와 몰입도 측면에서 매우 효과적일 것이라는 긍정적인 답변을 얻을 수 있었다.
본 논문에서는 대규모 실시간 매칭의 생존 게임에서 플레이를 위한 유저들의 소셜 관계에 대해 연구한다. 특 히 “사전 팀 구성”을 통한 자의적인 팀 구성이 어떤 방식으로 유저들을 연결하는 지 연구하고자 한다. 다수 의 사람 간 집단 역학에서 나타나는 특성이나 패턴에 대한 조사를 중심으로 하였으며, 개인의 특성은 보조적 인 수단으로만 사용된다. 이번 연구에서는 게임을 플레이하는 유저들의 익명화 된 대규모 데이터를 활용하며 이에 대한 간소화된 집계 방법을 제안한다. 데이터 세트에는 사전 팀 구성에 관한 11,259만 줄의 속성이 포 함되어 있으며, 데이터에서 우리는 250만개의 노드와 1,182만개의 무방향 에지가 있는 협업 네트워크를 구성 하여 대규모 게임 내 협동 네트워크를 만듭니다. 연결 정도, 경로 길이, 클러스터링 및 소속 하위 컴포넌트의 크기 등 네트워크에 관한 수치를 통해 게임내 소셜 활동에 대한 이해를 높이고자 한다. 본 논문에서는 다음 의 두가지 특성을 중심으로 결론을 제시한다. 첫째, 네트워크 내에는 대규모로 연결된 2개(전체의 44% 및 2%)와 나머지의 파편화된 하위 컴포넌트로 구성 되어있다. 이 대규모 컴포넌트 중 작은 쪽은 한국 유저로만 구성되어 있다. 둘째, 컴포넌트 크기 별 평균 연결 거리와 군집화 계수, k-core를 확인함으로써 기타 다른 네 트워크 대비 이웃 간 연결이 강하면서 전체적으로는 비교적 멀리 떨어져 있음을 확인한다.
다중 에이전트 강화학습의 발전과 함께 게임 분야에서 강화학습을 레벨 디자인에 적용하려는 연구가 계속되 고 있다. 플랫폼의 형태가 레벨 디자인의 중요한 요소임에도 불구하고 지금까지의 연구들은 플레이어의 스킬 수준이나, 스킬 구성 등 플레이어의 매트릭에 초첨을 맞춰 강화학습을 활용하였다. 따라서 본 논문에서는 레 벨 디자인에 플랫폼의 형태가 사용될 수 있도록 시각 센서의 가시성과 구조물의 복잡성을 고려하여 플랫폼 이 플레이 경험에 미치는 영향을 연구한다. 이를 위해Unity ML-Agents Toolkit과MA-POCA 알고리즘, Self-play 방식을 기반으로2vs2 대전 슈팅 게임 환경을 개발하였으며 다양한 플랫폼의 형태를 구성하였다. 분석을 통해 플랫폼의 형태에 따른 가시성과 복잡성의 차이가 승률 밸런스에는 크게 영향을 미치지 않으나 전체 에피소 드 수, 무승부 비율, Elo의 증가폭에 유의미한 영향을 미치는 것을 확인했다.